使用微調的AI模型改善Marketo Engage中的資料分類
身為收入營運專業人員，您可能會疲於應付垃圾訊息表單提交、職稱中關鍵字比對以判斷角色或雜亂的開放文字欄位，這些欄位讓您難以從資料中擷取深入分析。 這些資料分類挑戰會阻礙細分、個人化和報告，使您的團隊無法運用您的資料，並使得難以將自訂內容傳送給您的受眾。
探索微調的大型語言模型(LLM)如何協助解決這些持續性的資料問題。 瞭解經過自訂訓練的模型如何大幅提升垃圾郵件篩選的準確性、自動化角色分類、智慧地分類非結構化輸入，並自信地將AI帶入Marketo Engage。
您將瞭解，
- AI有意義地改善Marketo Engage中資料分類的實際使用案例。
- 如何使用您自己的資料微調LLM （以OpenAI為例）。
- 透過Webhooks使用Marketo Engage中的微調模型。
資料分類的AI使用案例
- 垃圾郵件偵測 AI模型執行效能優於驗證碼，減少誤判/否定並節省銷售團隊時間。
- 角色比對 AI可將職稱（即使拼字錯誤或其他語言）準確地對應到角色，改善潛在客戶評分和細分。
- 開啟文字欄位分類 AI會儲存不同的歸因來源，處理拼字錯誤和語言，提供更豐富的見解和報告。
- 自訂微調模型可讓您定義每個分類的規則和解釋，讓您完全控制結果。
其他資源
recommendation-more-help
82e72ee8-53a1-4874-a0e7-005980e8bdf1